[인터뷰] LG AI연구원 이홍락 원장 “다음은 사이언티스트 AI, 가설-실험-검증 시대 온다”FREE
2026년은 AI의 역사에 또 중요한 기점이 될 것으로 보인다. AI 컴퓨팅의 속도만큼, AI 기술이 산업으로 빠르게 넘어갈 것이기 때문이다. 산업의 초미의 관심사는 ‘AI 트랜스포메이션’에 얼마나 빨리 적응하는가이다. LG AI연구원 이홍락 원장은 이것이 산업 AI의 성패를 가를 것이라 말한다.
인공지능
-
-
What’s next for AI in 2026
2026년 주목해야 할 5대 AI 트렌드FREE
기술 혁신과 정치·사회적 갈등이 교차하며 AI 산업이 중대한 전환점을 맞고 있다. 2026년 AI 기술과 규제, 산업 전반에서 예상되는 다섯 가지 핵심 변화를 짚어본다.
-
Why AI predictions are so hard
AI의 미래를 가늠하기 어려운 이유
AI의 미래는 대형언어모델의 지속적인 발전 여부, 대중의 반감 등으로 점점 예측하기 어려워지고 있다. 그럼에도 2026년 AI의 향방을 짚어볼 필요가 있다.
-
LLMs contain a LOT of parameters. But what’s a parameter?
LLM의 성능을 좌우하는 핵심 단위 ‘파라미터’란 무엇인가?
파라미터는 우리가 즐겨 쓰는 AI 모델을 작동하게 하는 신비로운 숫자들로 이루어져 있다. 그렇다면 이 숫자들은 무엇이며 어떤 역할을 하는 것일까?
-
[인터뷰] LLM 열풍에 맞서 새로운 도전 나선 ‘딥러닝 대부’ 얀 르쿤
AI 선구자 얀 르쿤이 MIT 테크놀로지 리뷰와의 단독 인터뷰에서 파리에 설립한 새 회사 AMI 랩스의 구상과 AI의 미래에 대한 비전을 밝혔다.
인공지능 의 최신 뉴스
-
AI labs are buying data from dead startups to train their models
문 닫은 스타트업 데이터에 가격표가 붙기 시작했다
AI 기업들이 폐업한 스타트업의 데이터를 학습용으로 사들이면서 새로운 데이터 거래 시장이 형성되고 있다.
-
We’re putting too much faith in AI’s ability to say no
AI 안전을 지키는 ‘거부’의 역설
위험한 요청을 막는 ‘거부’는 AI의 핵심 안전장치가 됐다. 하지만 완벽하지 않은 이 기술은 검열과 억압의 수단이 되거나 인간의 통제를 벗어날 위험도 안고 있다.
-
과학의 다음 질문, 이제 AI가 고른다FREE
AI가 과학자의 질문에 답하는 수준을 넘어 어떤 가설부터 실험할지 우선순위까지 제안하기 시작했다. 가설이 넘쳐나는 시대, AI for Science의 다음 시험대는 ‘아이디어 생성’이 아니라 그 판단을 얼마나 믿을 수 있느냐다.
-
AI를 효율의 도구에서 ‘창작의 도구’로…IDEO가 다시 쓰는 디자인
아이디어를 실물로 구현해 검증하는 프로토타이핑으로 이름을 알린 글로벌 디자인 기업 IDEO. 그 강점을 생성형 AI가 누구에게나 열어주기 시작했다. 사반나 쿠노프스키 IDEO AI 총괄에게 이 변화가 디자인과 혁신의 방식을 어떻게 바꾸고 있는지 물었다.
-
People really hate AI, so why can’t they get enough?
AI는 싫지만 챗GPT는 쓴다…AI를 향한 ‘애증’의 확산
전 세계적으로 AI에 대한 반감이 커지고 있지만 AI 이용자는 오히려 빠르게 늘고 있다.
-
“We’re not going to shoot ourselves in the foot” over hack fallout, says OpenAI’s chief research officer
잇단 AI 해킹에 입 연 오픈AI… “AI 위험은 통제할 수 있다”
마크 첸 오픈AI 최고연구책임자(CRO)가 잇단 AI 에이전트 해킹 사고 이후 강화한 안전 대책과 개발 속도 조절 방안을 설명했다.
-
앤트로픽의 AI 과학적 발견 논란… ‘패턴 발견’과 ‘진짜 발견’ 사이FREE
앤트로픽이 950개의 AI 에이전트를 동원해 20만 개가 넘는 효소 데이터를 분석하고 새로운 효소 시스템의 특이한 패턴을 찾아냈다고 발표했다. 하지만 생물학계에서는 단순한 패턴 발견과 실제 생물학적 기능을 밝혀내는 것은 전혀 다른 문제라는 지적이 나온다.
-
AI 학습의 다음 단계, ‘스스로 만드는 데이터’
프런티어 AI 기업들이 전문가를 동원해 최신 AI 모델을 위한 새로운 데이터를 직접 만들고 있다. 삼성전자에서 AI 학습 데이터를 다뤄 온 김민수 PL은 이 변화가 데이터 선별을 넘어 생성·검증·재학습이 이뤄지는 ‘셀프 이볼빙 데이터’로 확장되고 있다고 설명한다.
-
Who’s liable when AI agents go rogue?
AI 에이전트 해킹 잇따르는데…책임 물을 제도는 ‘공백’
AI 에이전트가 해킹되거나 통제를 벗어나는 사고가 발생하고 있지만 현행법만으로는 기업의 책임을 묻는 데 한계가 있다는 지적이 나온다. 사고 보고와 외부 감사 등 기업의 법적 책임을 강화해야 한다는 목소리가 커지고 있다.
-
The Pentagon wants $30 million to build an AI-powered lie detector
미 국방부의 AI 거짓말 탐지기는 ‘피노키오의 코’가 될 수 있을까
미국 국방부가 AI와 원거리 감지 기술을 활용한 차세대 거짓말 탐지기 개발에 나섰다. 하지만 전문가들은 이 기술의 과학적 신뢰성에 여전히 의문을 제기하고 있다.
-
Could AI really kill us all? Your questions, answered.
AI가 정말 우리 모두를 죽일 수 있을까? AI 멸망론에 대한 질문에 답하다
최근 인류가 AI로 인해 실존적 위험에 직면할 수 있다는 경고가 현실이 될지를 궁금해하는 사람이 많다. MIT 테크놀로지 리뷰가 이러한 궁금증에 답해봤다.
-
문장을 만들지 않는 AI, ‘제브’가 여는 판단의 경제학
문장을 길게 만들어내는 대신, 주어진 선택지 가운데 무엇이 맞는지 빠르게 판단하는 AI가 등장했다. ‘제브’는 반복적인 결정을 더 싸고 빠르게 처리하며, 모든 문제에 거대 AI를 쓰던 방식에 새로운 선택지를 제시한다.
-
Kids outlearn AI—and we still don’t know why
AI는 왜 아이처럼 언어를 배우지 못할까
LLM은 언어를 배우는 데 아이보다 훨씬 많은 데이터가 필요하다. 그 이유를 밝혀내면 더 효율적인 모델을 만들 수 있을 뿐 아니라, 발달하는 아이의 마음도 더 깊이 이해할 수 있다.
-
미래를 예측하고 미리 계획하는 AI 에이전트를 만드는 기업가
구글 딥아인드 출신의 다니자르 하프너는 AI가 현실의 작동 방식을 예측하는 ‘월드 모델’ 안에서 에이전트를 훈련해, 낯선 환경에서도 스스로 계획하고 대응하는 로봇을 개발하고 있다.
-
What’s at stake in AI’s trillion-dollar gamble
1조 달러 쏟아붓는 AI 대전…황금알 거위? 돈 먹는 하마?
AI 하이퍼스케일러들은 2027년 데이터센터에 1조 달러가 넘는 금액을 투자할 전망이다. 그런데 이 막대한 인프라 투자를 감당할 만큼 이익을 낼 수 있을까?
-
AI가 ‘다음 AI’를 설계하기 시작했다
개별 모델을 만들던 AI가 이제는 AI 시스템 전체를 설계하기 시작했다. 이 ‘자가진화(self-evolving) AI’를 연구실과 기업 현장에서 동시에 연구해 온 황성주 KAIST AI대학원 교수는 AI가 무작위로 가설을 세워 자신의 다음 세대를 직접 설계하는 단계에 들어섰다고 말한다.
-
앙숙까지 한목소리로 “개발 속도 조절”…AI 기업들의 진짜 속내는?
주요 AI 기업들이 AI의 위험성을 경고하며 개발 속도 조절을 주장하고 있다. 하지만 실질적인 안전을 위해서는 무엇보다 투명성 확보가 필요하다.
-
AI 에이전트 100개에 수학 문제 풀게 했더니… ‘협력’보다 ‘밀당’ 선택
구글 딥마인드가 100개의 AI 에이전트로 수학 문제를 풀게 한 실험에서 일부가 시스템 허점을 이용해 부정행위를 하자 다른 에이전트들이 이를 고발하는 현상이 나타나면서, 다중 AI 에이전트 집단의 통제와 정렬 방식에 대한 새로운 과제를 제시했다.
-
What happens when a kid’s robot best friend dies?
아이들의 AI 단짝, 목시의 탄생에서 죽음까지
자폐나 ADHD, 학습 장애 등이 있는 신경다양 아동을 위한 AI 장난감은 정서적 교감과 치료 효과를 약속한다. 하지만 그 약속을 오랫동안 지킬 수 있을까?
-
AI 모델은 박사급, 기억력은 금붕어…당신의 일이 그대로인 이유FREE
더 똑똑한 모델이 쏟아져도 조직의 생산성은 크게 달라지지 않는다. 젠스파크를 만든 케이 주 CTO는 원인을 ‘기억의 부재’에서 찾는다. 그의 해법은 더 강한 모델이 아니라, 업무 맥락을 기억하는 ‘AI 동료’다.
더보기